大數據文摘作品

編譯：Zoe Zuo、ShanLiu、閆雨瑩

當前，全球糧食需求持續增長，而農業勞動力卻在逐漸萎縮。世界上各大公司正不斷嘗試，將新型的機器學習算法、高性價比的傳感器和大幅改善的計算能力結合起來，以期擺脫這種困境。

爲了應對上述問題，衆多初創企業和大學都將目光投向了農業領域中人工智能的應用。農業給AI拋出了相當棘手的問題，假如這些問題能得到解決，最終會推動AI在更加結構化的場景中的應用（比如住宅）。

當前狀況

可能如同19世紀早期亨利•福特（Henry Ford)見證了農業自動化，目前的我們正處於類似的階段。增量式的發展將會像滾雪球一般累積，最終引起鉅變。

——吉里什•喬杜裏，伊利諾伊大學

機器學習一方面用於分析從農田、衛星和無人機蒐集的數據，從而提供關於種植和施肥的決策，同時用於辨識作物疾病、預測作物產量。

例如，據氣候公司（The Climate Corporation，隸屬於跨國農業公司孟山都）地理空間科學總監史蒂文•沃德（Steven Ward）稱，在2017年，相比於自己制定種植計劃的農民，通過使用該公司推出的Climate FieldView平臺（該平臺幫助農民確定玉米種植的比例、密度和地點）的種植者獲得了5蒲式耳/英畝（約等於20.9公斤/畝）的產量提升。

落地

由AI賦能的農業設備已上市，並不在斷改進。

例如約翰迪爾推出一款聯合收割機，它可以利用機器學習來協調穀物收集機，儘可能減少糧食溢出。

另一款機型還可以利用機器學習來評估輸送往糧箱的穀物的質量，雖然這個過程仍離不開人工監督。

去年，約翰迪爾收購了藍河科技（Blue River Technology, 農業機器人初創公司），旨在研發出一套系統，使之能夠在棉花植株當中辨識出雜草，然後將除草劑針對性地噴灑在雜草上，避免殃及整塊田地。

水果和蔬菜是勞動力密集型的作物，採摘難度較大。Harvest CROO Robotics公司正在研發一款草莓採摘機，這種機器能夠辨識和採摘成熟的草莓，但它的表現差強人意。

卡耐基梅隆大學的蒂姆•米勒-西姆（Tim Mueller-Sim）認爲，“人類擅於執行精細操作，這在我們自己看來理所當然。我們的身體收集提供關於周遭環境的豐富數據，我們的大腦將視覺、觸覺、嗅覺、聽覺與先前的經驗協同融合在一起，這其中的詳細運作方式我們尚未徹底理解。”

喬杜裏研發了一款機器人，目前正處於測試階段。該機器人能夠在莊稼間穿梭，利用計算機視覺測量植株高度和莖稈寬度。

如果數據精確，採集到的信息就可以爲育種者所利用，加速對數千棵植株的篩選，使篩選流程標準化，以便儘快搜尋出能夠產生有利性狀的基因組合。

挑戰

AI產品要面對的田間測試是否能擺脫一套編寫好的腳本，被訓練得可自適應到田間骯髒、凌亂和充滿不確定性的工作環境中去。

米勒-西姆說，“如果AI在一個非結構化的環境裏工作過，那麼它將會在較爲結構化的環境裏表現得更出色。”

數據

計算機視覺領域的成就大多要歸功於深度學習——這項AI技術建立在大量經過詳細標記歸類的數據之上。喬杜裏說，“困難在於，我們當前未必有針對農業的監督數據。”

好在這項困難是可以攻克的，米勒-西姆稱。在一篇即將發表的論文裏，他介紹了由40至60張圖片訓練而成的生成對抗網絡（GANs），該網絡能檢測出田地裏的高粱、葡萄樹、大麻花的特徵。

巴西初創企業Scicrop的研究部主管佈雷特•德魯裏（Brett Drury）表示，貝葉斯網絡（Bayesian networks）也是一種行之有效的手段，它可以在不完整信息的基礎上進行推論，應對不確定事件。

德魯裏目前正在用貝葉斯網絡創建作物的模型，爲農民們預測產量以及病蟲害風險。

不確定性

機器人掙扎於適應變化。土壤質地、強烈光照、陰天和其他環境變量都會干擾機器人的行動和視覺，尤其是當機器人向無人駕駛技術方向發展時。

喬杜裏稱，“我們正嘗試把機器人放在那些原本不適合它們的環境中去運行。儘管汽車本來就是在路上跑的，要實現真正意義上的汽車自動駕駛也已經很難了。”

無人駕駛技術正在使自動化元件的獲取變得比以往容易，但農業也對該技術提出了獨特的挑戰。農田狀況完全不同於公路，而且農業機器的規模也要大得多。

約翰迪爾實驗室主任亞歷克斯•珀迪（Alex Purdy）認爲，“無人駕駛技術的贏家不一定會在農業領域成功。”

差異

從更廣泛的角度來看，農業對AI提出了另一大挑戰——在同一作物田地之內和不同作物田地之間，AI產品都得保持準確性。

卡耐基梅隆大學的Abhisesh Silwal當前在研發適用於葡萄樹修剪和蘋果採摘的機器人。他說，“每一棵植株都長得不太一樣，即使是挨着種的那些。因此，如果要操縱機器人手臂來採摘水果或者修剪藤蔓，如何讓機器人適應這種非結構化的環境是一個難題。”

一種可能的解決辦法是研發出相關算法，以解釋原先的訓練環境與當前的運行環境之間的差異。從本質上來講，做出這樣的算法是可能的。但是要把想法用數學表達出來，我們還有很長的路要走。

採納

農民們往往對世代積累下來的土地知識深信不疑。所以，要讓他們接納昂貴的新技術，首先得證明技術的價值。

珀迪稱，“如今，種植戶大多都憑藉着對自己土地的深入瞭解，在不斷的試探中進行耕作。他們也已經做得很出色了……所以，他們對自動化的要求將會非常高。”

相關報道：

https://www.axios.com/artificial-intelligence-in-agriculture-6f066e94-c704-4bbd-85a7-e638b871aadc.html

【今日機器學習概念】

Have a Great Definition

志願者介紹

回覆“志願者”加入我們